使用百度文字識別API進行圖片中文字的識別

今天，為了滿足我女朋友作業的需求，我使用Python制作了一個圖片轉文字的小應用。
（當然，下面導入模塊的問題我就不多說了，是非常簡單的）

一. 申請百度通用文字識別接口。

1.先在百度AI開放平台注冊賬號（點擊這里進入百度智能雲）。一般使用百度賬號即可。

2.注冊成功后登錄，在右側菜單欄中尋找文字識別功能。

3.進入后創建一個新的應用，並按要求填寫好應用名稱等信息后，立即創建即可。

4.創建完成后，我們可以看到應用的信息，這些信息在后續寫代碼中時至關重要的。（注意：Secret Key是不可泄露的！！！）

二. 到了這一步，我們真正的進入到程序中來。

1.baidu-aip模塊安裝
在Pycharm中新建Project，在工程文件夾中新建一個py文件，命名隨意。點擊File->Setting，進入Setting。剛開始沒有baidu-aip模塊，點擊右側加號搜索baidu-aip進行安裝。

2.因為我們這次只測試兩張圖片，所以我們在與py文件同級下新建一個目錄images，里存放我們需要識別的所有圖片（這些圖片最好按1，2……命名，在讀入時會按數字順序一張一張掃描）。

------1.jpg

-----2.jpg

3.首先我們先找到這些圖片所在文件夾的路徑

PROJECT_ROOT = os.path.dirname(os.path.realpath(__file__))#獲取項目根目錄
path = os.path.join(PROJECT_ROOT,"images") #文件路徑

 

4.將百度AppID, API Key, Secret Key這些關鍵信息寫入調用百度ORC接口。這里要導入我們安裝好的baidu-aip模塊了。

"""你的百度AppID, API Key, Secret Key"""
APP_ID = '16545975'
API_KEY = 'qbK2kKKtrXTo0rE1rg4M6Tl6'
SECRET_KEY = 'xxxxxxxxxxxx'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

 

5.定義打開圖片的函數

"""打開文件，讀取圖片"""
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

 

6.循環讀入目錄中的每一張圖片

for r, ds, fs in os.walk(path):
     for fn in fs:
        fname = os.path.join(r, fn)
        image = get_file_content(fname)
        ret = client.basicGeneral(image)
        #print(ret)
        #print(ret['words_result'])
        for item in ret['words_result']:
            print(item['words'])

 

5.接下來我們一步一步的分析結果，首先我們調用通用文字識別，打印結果看看是什么吧！（我們只截前面一部分）

# 調用通用文字識別，圖片參數為本地圖片
ret = client.basicGeneral(image)
print(ret)

 

可以看到，結果是一個字典，我們需要的圖片內容都在關鍵字為words_result中，又可以發現，這個關鍵字的值是一個列表。我們先把這個字典中的words_result關鍵字的值取出來並打印。

print(ret['words_result'])

 

這樣我們就取出了這個列表，圖片中文字的內容是分段顯示的，每一段又是一個字典（在圖片中每一次換行都會形成一個字典），這就很簡單了，我們只需要把每個字典中的關鍵字word的值取出來拼接上不就是我們圖片中想要的內容了嗎？這就要借助我們的循環。

for item in ret['words_result']:
    print(item['words'])

 

可以看到，輸出的格式和圖片中的格式是完全一樣的。兩張圖片的內容已經被我們全部掃描出來了。

到這里這個小應用就全部結束了，大家可以根據需要繼續完善，例如將輸出結果保存到文本文件中等等。表情包中的文字也是可以識別的哦！

今天拿着QQ文字掃描發現QQ識別率還是很高的，但是一張一張太麻煩了，我想還是讓他們自己來識別更方便。

完整代碼：

from aip import AipOcr
import os


"""你的百度AppID, API Key, Secret Key"""
APP_ID = '16545975'
API_KEY = 'qbK2kKKtrXTo0rE1rg4M6Tl6'
SECRET_KEY = 'xxxxxxxxxxx'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

"""打開文件，讀取圖片"""
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

PROJECT_ROOT = os.path.dirname(os.path.realpath(__file__))#獲取項目根目錄
path = os.path.join(PROJECT_ROOT,"images") #文件路徑

for r, ds, fs in os.walk(path):
     for fn in fs:
        fname = os.path.join(r, fn)
        image = get_file_content(fname)
        ret = client.basicGeneral(image)
        for item in ret['words_result']:
            print(item['words'])